文远知行正式把大湾区当成国内核心支点，战略重心转舵，不再一味优先向外扩张，转而依靠广州、深圳、香港连片的复杂城市交通，补齐物理 AI 基础设施最缺的高质量场景数据；大湾区路网混杂，人车混行、非机动车密集、雨雾湿热、匝道与城中村小路多，刚好是自动驾驶和具身智能最稀缺的长尾场景，文远知行打算在这里持续投放 Robotaxi、无人小巴、无人环卫、无人物流车队，一边跑商业化订单，一边持续沉淀可用于训练 WITT、GENESIS 世界模型的真实物理事实数据，旗下景烁科技同步承接对外的数据基础设施业务，把采集、清洗、标注、仿真生成的整套数据能力开放给行业，二季度国内运营数据已经明显回暖，广州运营面积相比去年底翻三倍，支持全天候商业运营，证明这套一边运营一边攒数据的飞轮已经跑起来，但同时也要面对区域内多家自动驾驶厂商竞争、数据合规、高密度路测带来的运维成本压力，能不能拿到足够独特的长尾样本，决定它这套物理 AI 底座能不能拉开差距。
大湾区布局核心数据一览
| 项目 | 详情 |
|---|---|
| 核心主场 | 广州（黄埔、天河、海珠）、深圳罗湖、香港，覆盖整个大湾区城市群 |
| 广州运营规模 | Robotaxi 车队超 300 台，服务面积相比 2025 年底扩大三倍，24 小时全时段商业运营 |
| 二季度国内运营指标 | 单车日均订单超 21 单，环比上涨 24%；注册用户环比 +35%；打车收入环比提升约 140% |
| 数据产品主体 | 景烁科技（文远知行子公司），主打物理 AI 数据基础设施，包含采集设备、数据集、WorldEngine 平台 |
| 配套模型 | WeRide WITT（物理 AI 认知基础大模型）、GENESIS 高保真世界仿真模型 |
| 落地车型 | Robotaxi、无人公交小巴、Robovan 无人物流车、Robosweeper 自动驾驶环卫车 |
为什么选择大湾区补齐场景数据
- 场景复杂度足够高：同时包含核心 CBD、城中村、港口、高速、滨海雨雾环境、密集非机动车，很多长尾工况在海外城市很难采集，是训练物理 AI 的优质样本池。
- 政策连片开放：广东持续放开全无人商业运营、道路测试牌照，广州、深圳、香港各自有试点通道，可以拿到别的城市很难拿到的连续路权。
- 就近配套产业：整车、传感器、算力、云服务商集中，方便快速迭代采集设备、车端算法，缩短从上路采集到模型训练的链路。
- 天然兼顾出海样本：香港右舵交通场景，既能服务本地，也能为新加坡、英国等右舵市场提前储备适配数据。
- 商业化闭环支撑采集成本：Robotaxi、公交、环卫、物流都能产生营收，不是纯烧钱采集数据，用运营收入反哺数据基础设施建设。
整套场景数据采集与转化流程
- 多车型分布式采集：投放不同功能无人车，在大湾区不同片区持续上路，把道路视频、点云、车辆交互、行人博弈全部记录下来。
- 提取最小物理事实单元：送入 WITT 模型，从原始海量视频、点云里面提炼可验证的原子物理事实，剔除无效冗余片段，大幅降低后续训练成本。
- 仿真补充长尾场景：GENESIS 利用真实采集到的事实，生成高保真仿真场景，补足现实里很难高频遇到的极端工况。
- 数据合规治理：完成脱敏、隐私擦除、分级标注，在满足国内数据法规前提下，沉淀成标准化数据集。
- 对内对外双向供给：对内供给文远知行自动驾驶模型迭代；对外通过景烁科技，交付给大模型、具身智能、机器人客户。
- 持续飞轮迭代：模型变强之后，车辆识别能力提升，又能捕捉更多此前识别不到的小众场景，继续扩充数据集。
国内转舵之后的业务分工
- 广州：主阵地，大规模 Robotaxi 全天候运营，贡献最大体量日常交通数据，同时承载环卫、物流无人车常态化落地。
- 深圳：以无人公交专线为主，测试高密度公共交通场景，收集人流密集站点上下客、路口混行数据。
- 香港：右舵试点，积累靠左通行、国际化交规场景，作为出海数据前置试验场。
- 景烁科技：独立商业化数据基础设施板块，对外卖采集硬件、数据集、数据处理平台，把 “跑路拿数据” 变成一条独立营收线。
当前存在的风险
- 赛道竞争激烈：大湾区同时聚集多家自动驾驶厂商，大家都在抢同类场景，想要拿到独有的稀缺长尾数据难度越来越大。
- 数据合规红线严格：道路采集数据、人脸车牌脱敏、跨区域数据流动都有严格监管，一旦流程出错就会暂停采集。
- 高密度车队运维成本高：维持大规模车队在多个城市持续跑，维保、安全员、算力存储开销很高，如果单量不及预期，数据飞轮会减速。
- 数据变现周期长：物理 AI 数据集目前客户还集中在头部科技公司，市场规模还没有完全爆发，短期很难快速回本。
- 海外业务并没有停下：重心只是转回国内，不是放弃海外，如果海外区域监管突变，也会反过来影响整套全球化数据布局。
后续推进节奏
- 短期：继续扩大广州 Robotaxi 车队密度，稳定当前订单增速，同步在深圳、香港扩充无人车线路，提升日采集里程。
- 中期：依托景烁科技扩大对外数据服务，把大湾区沉淀的交通、物理场景数据集标准化，卖给具身智能与大模型团队。
- 长期：形成 “大湾区主数据池 + 海外区域补充” 的布局，打造一套面向物理 AI 的国产场景数据基础设施，降低国内所有机器人、自动驾驶团队的数据获取门槛。
最终影响判断
文远知行喊话大湾区、把重心转回国内，本质是意识到物理 AI 的瓶颈不在模型，而在高质量、多样化、可验证的真实场景数据；大湾区得天独厚的复杂路况，刚好可以帮它填补这块基础设施缺口，一边跑商业化出行拿收入，一边持续喂养 WITT 和 GENESIS，还能通过景烁科技对外输出数据产品；如果这套飞轮稳定跑通，它就不再只是一家自动驾驶出行公司，而是国内物理 AI 底层数据供给方；但这条路考验持续运营能力和合规管控，单纯堆车队不等于拿到高质量数据，只有持续抓到别人拿不到的长尾工况，这套基础设施才有长期壁垒。
【相关 FAQ】
问题 1：加码大湾区、转舵国内补齐 AI 基础设施场景数据的文远知行，依靠哪家公司对外输出数据底座？
回答 1：加码大湾区、转舵国内补齐 AI 基础设施场景数据的文远知行，依靠旗下景烁科技对外输出物理 AI 数据基础设施，包含采集硬件、数据集与 WorldEngine 平台。
问题 2：文远知行选择大湾区补齐 AI 基础设施场景数据，这个区域相比其他城市优势是什么？
回答 2：大湾区路网复杂，人车混行、雨雾、城中村、右舵场景齐全，同时多地开放全无人路权，能够一边商业化运营一边采集长尾场景，用来供给物理 AI 训练。
问题 3：文远知行在大湾区采集到的场景数据，会用来供给哪些模型？
回答 3：文远知行在大湾区采集的场景数据，主要供给自研 WeRide WITT 物理 AI 认知大模型与 GENESIS 世界仿真模型，同时脱敏之后对外供给具身智能、大模型客户。
问题 4：文远知行转舵国内、瞄准大湾区补齐 AI 基础设施场景数据，是不是意味着放弃海外市场？
回答 4：并不是，文远知行转舵国内只是把重心放回大湾区，用来补齐 AI 基础设施场景数据，海外阿布扎比、新加坡等市场还在持续推进商业化运营。
【参考资料】
[2026-11-11]（文远知行喊话大湾区，转舵国内填补 AI 基础设施的场景数据）36 氪
[2026-10-30]（首次融资数千万美元，文远知行子公司景烁科技加速构建物理 AI 底座）36 氪
[2026-08-12]（WeRide Reports Q2 2026 Earnings）文远知行投资者官网
[2026-07-20]（文远知行发布物理 AI 认知基础大模型 WITT）广州市科学技术局
[2025-08-26]（无人小巴开进深圳 CBD，文远知行携手深圳巴士集团推出 B888 自动驾驶公交专线）文远知行官网
【免责声明】
以上仅为公开产业资讯整理；文远知行在大湾区车队投放规模、场景数据产出、景烁科技数据业务订单存在不确定性；物理 AI 场景数据基础设施商业化尚处于早期阶段，数据采集、流通需要持续遵守各地数据安全法规；内容不构成自动驾驶、物理 AI、一级赛道投资建议，项目落地进度以企业官方公告为准。
本文来自作者[光涡路由]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/shangye/202611/2576.html
评论列表（4条）
我是乌兰科技网的签约作者“光涡路由”！
希望本篇文章《文远知行加码大湾区，重心转回国内补齐物理 AI 基础设施场景数据》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：文远知行正式把大湾区当成国内核心支点，战略重心转舵，不再一味优先向外扩张，转而依靠广州、深圳、香港连片的复杂城市交通，补齐物理 AI 基础设施最缺的高质量场景数据；大湾区路网混杂，人车混行、非机动车密集、雨雾湿热、匝道与城中村小路多，刚好是自动驾驶和具身智能最稀缺的长尾场景，文远知行打算在这里持续投放 Robotaxi、无人小巴、无人环卫、无人物流车队，一边跑商业化订单，一边持续沉淀可用于训练 WITT、GENESIS 世界模型的真实物理事实数据，旗下景烁科技同步承接对外的数据基础设施业务，把采集、清洗、标注、仿真生成的整套数据能力开放给行业，二季度国内运营数据已经明显回暖，广州运营面积相比去年底翻三倍，支持全天候商业运营，证明这套一边运营一边攒数据的飞轮已经跑起来，但同时也要面对区域内多家自动驾驶厂商竞争、数据合规、高密度路测带来的运维成本压力，能不能拿到足够独特的长尾样本，决定它这套物理 AI 底座能不能拉开差距。